爬取百度百科中文页面，抽取三元组信息，构建中文知识图谱
| ie | ||
| kg | ||
| spider | ||
| .gitignore | ||
| README.md | ||
Tips
- 如果是项目问题，请提issue。
- 如果涉及到不方便公开的，请发邮件。
- ChatBot请访问链接
开源web知识图谱项目
- 爬取百度百科中文页面
- 抽取100W+个三元组
- 构建中文知识图谱
环境
- python 3.6
- requests:网络请求
- re:url正则匹配
- bs4:网页解析
- pickle:进度保存
- threading:多线程
- neo4j:知识图谱图数据库,安装可以参考链接
- pip install neo4j-driver：neo4j python驱动
代码目錄
- spider/ 抓取原始网页
- ie/ 从网页中解析正文，从正文中抽取结构化信息
- kg/ 抽取三元組，存入neo4j数据库
代码执行顺序：
- 1.spider目录下执行：python spider_main.py
- 2.ie目录下执行：python extract-para.py
- 3.ie目录下执行：python extract-table.py
- 4.kg目录下执行：python build-triple-from-table.py
- 5.kg目录下执行：python insert_to_neo4j.py
第二步本项目可以不执行。
知识图谱效果图
